MétaCan
Menu
← Retour à la cohorte
Enregistrement W6990743774

Élimination des composés pharmaceutiques des eaux de rejets hospitaliers par oxydation par voie humide

2021· other· fr· W6990743774 sur OpenAlexafffundabout

Notice bibliographique

RevueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke) · 2021
Typeother
Languefr
Domaine
Thématique
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésFilter (signal processing)DecantationNucleofection
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Les eaux usées sont une voie d’entrée pour les médicaments dans nos rivières, car les traitements actuels ne sont pas appropriés pour ces composés. Les hôpitaux sont une source à considérer étant donné leurs eaux usées chargées en composés pharmaceutiques. C’est dans l’optique de répondre au problème de déchargement de médicaments dans l’environnement par les effluents hospitaliers que ce projet est né. Parmi les innombrables possibilités de traitement, l’oxydation par voie humide (OVH), un processus d’oxydation avancé qui utilise de l'air et de l'eau à des températures et des pressions élevées pour éliminer les composés organiques, semble une voie prometteuse. L’objectif du projet était d’évaluer l’application de l’OVH comme prétraitement des eaux usées des hôpitaux afin de retirer les composés pharmaceutiques avant de rejoindre les eaux usées municipales. Afin de répondre au but de cette recherche, les dix composés les plus problématiques d’un hôpital local ont été déterminés selon leur abondance et toxicité, une méthode de quantification par spectrométrie de masse a été développée pour suivre les performances de dégradation et les paramètres du traitement à l’étude ont été optimisés. En complément, des analyses d’écotoxicité ont été réalisées afin d’évaluer l’impact du traitement sur la toxicité des effluents générés ainsi qu’une analyse technico-économique pour évaluer la faisabilité économique de son application en contexte réel. L’étude a démontré que l’OVH atteint une performance de dégradation entre 95.0 et 99.1% des composés dopés à 10 µg/L dans des eaux usées hospitalières en seulement 15 minutes d’oxydation et ce même à faible demande chimique en oxygène (< 600 mg O2/L). Les produits de dégradation générés semblent néanmoins plus toxiques que les produits de départ selon les tests de toxicité effectués sur un crustacé (Daphnia magna) et une bactérie (Aliivibrio fischeri). Les analyses ont également révélé un coût de 27$ par mètre cube. Ce chiffre pourrait toutefois être moindre en préconcentrant l’effluent hospitalier d’abord. Ces résultats sont un bon point de départ pour permettre aux collaborateurs du projet de continuer à développer leur procédé pilote en mode continu et ainsi arriver à trouver l’application la plus probable pour cette technologie verte. Le sujet a fait l’objet de présentation à un comité de gestion de l’environnement dans le réseau de la santé et certains acteurs portaient un intérêt pour cette technologie dans le cadre de la construction d’un nouvel hôpital au Québec. Il y a assurément une préoccupation sur le terrain et un désir de trouver des solutions environnementales. Ce genre de recherche apporte les connaissances nécessaires pour y répondre. Les suites du projet vont se tourner vers les produits de transformation afin de découvrir l’éventail de molécules générées par la dégradation des composés primaires durant le procédé. Il serait également intéressant d’étudier la corrélation entre toxicité et biodégradabilité en fonction du temps d’oxydation.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,024
Tête enseignante GPT0,250
Écart entre enseignants0,227 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke)→Travaux en français237 207→